潘經(jīng)韜　陳池波　龔政

摘要：農(nóng)業(yè)機械化對促進農(nóng)民增收具有重要貢獻，但鮮有文獻從農(nóng)機跨區(qū)作業(yè)視角探究農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)及時間異質(zhì)性?；谵r(nóng)機跨區(qū)作業(yè)的客觀事實，利用2006—2021年全國31個省域面板數(shù)據(jù)和空間杜賓模型實證分析農(nóng)業(yè)機械化對農(nóng)民增收的空間影響效應(yīng)。研究表明，農(nóng)業(yè)機械化能夠促進本地農(nóng)民增收，并且對鄰近地區(qū)農(nóng)民增收具有顯著正向空間溢出效應(yīng)；從農(nóng)民收入來源結(jié)構(gòu)看，農(nóng)業(yè)機械化對農(nóng)民經(jīng)營性收入和工資性收入增長均具有顯著正向空間溢出效應(yīng)；農(nóng)業(yè)機械化對農(nóng)民增收的本地直接效應(yīng)和空間溢出效應(yīng)存在時間異質(zhì)性，以2014年農(nóng)機跨區(qū)作業(yè)開始萎縮為時間節(jié)點，2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)要強于2014—2021年，而2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的本地直接效應(yīng)要弱于2014—2021年。鑒于此，應(yīng)加快農(nóng)業(yè)生產(chǎn)全程機械化，穩(wěn)步提升農(nóng)機裝備水平，完善農(nóng)機本地作業(yè)和跨區(qū)作業(yè)的協(xié)同機制。

關(guān)鍵詞：農(nóng)業(yè)機械化；農(nóng)民增收；農(nóng)機跨區(qū)作業(yè)；空間溢出效應(yīng)

中圖分類號：S23

文獻標(biāo)識碼：A

文章編號：20955553 （2023） 11023108

Analysis of spatial effect of agricultural mechanization on farmers' income increase：

Based on the perspective of cross-regional operation of agricultural machinery

Pan JingtaoChen Chibo Gong Zheng

（1. College of Economics and Management， Hubei University of Technology， Wuhan， 430068， China；

2. Research Center of Hubei Rural Social Management Innovation， Wuhan， 430068， China；

3. College of Business Administration， Zhongnan University of Economics and Laws， Wuhan， 430073， China;

4. Postdoctoral Research Station of Chinese Academy of Fiscal Sciences， Beijing， 100142， China）

Abstract：Agricultural mechanization makes an important contribution to promoting farmers' income increase， but little literature has explored the spatial spillover effect and time heterogeneity of agricultural mechanization on farmers' income increase from the perspective of cross-regional operation of agricultural machinery. Based on the objective fact of cross-regional operation of agricultural machinery， this paper empirically analyzes the spatial impact effect of agricultural mechanization on farmers' income growth by using panel data and spatial Durbin model from 31 provinces in China from 2006 to 2021. The results show that agricultural mechanization can promote local farmers' income growth and has a significant positive spatial spillover effect on farmers' income growth in neighboring areas. In terms of the structure of farmers' income sources， agricultural mechanization has significant positive spatial spillover effects on the growth of both farmers' business income and wage income. There is time heterogeneity in the local direct effect and spatial spillover effects of agricultural mechanization on farmers' income growth. Taking the beginning of the contraction of inter-area operations of agricultural machinery in 2014 as the time point， the spatial spillover effect of agricultural mechanization on farmers' income growth is stronger in 2006—2013 than in 2014—2021， whereas the local direct effect of agricultural mechanization on farmers' income growth is weaker in 2006—2013 than in 2014—2021. In view of this， the mechanization of the whole process of agricultural production should be accelerated， the level of agricultural equipment should be steadily raised， and the synergy mechanism between local and cross-area operations of agricultural machinery should be improved.

Keywords：agricultural mechanization; income growth of farmers; cross-regional operation of agricultural machinery; spatial spillover effect

0引言

農(nóng)業(yè)機械化是農(nóng)業(yè)農(nóng)村現(xiàn)代化的重要內(nèi)容，在農(nóng)業(yè)勞動力空心化和老齡化的背景下為穩(wěn)定農(nóng)業(yè)生產(chǎn)、促進農(nóng)民增收和保障糧食安全發(fā)揮了重要貢獻［1］。已有文獻對農(nóng)業(yè)機械化的農(nóng)民增收效應(yīng)進行了研究，總結(jié)如下：農(nóng)業(yè)機械化直接作用于農(nóng)業(yè)生產(chǎn)環(huán)節(jié)，通過提升農(nóng)業(yè)生產(chǎn)效率擴大農(nóng)業(yè)產(chǎn)出［23］（“效率提升效應(yīng)”）和節(jié)約農(nóng)業(yè)生產(chǎn)成本［4］（“成本節(jié)約效應(yīng)”）等途徑促進農(nóng)民農(nóng)業(yè)收入增加［56］；農(nóng)業(yè)機械化通過機械替代人工（“要素替代效應(yīng)”）釋放農(nóng)業(yè)剩余勞動力，促進農(nóng)業(yè)勞動力轉(zhuǎn)移至非農(nóng)部門［7］，從而帶動農(nóng)民非農(nóng)經(jīng)營收入和工資性收入增長［8］。

作為中國農(nóng)業(yè)機械化的特色模式，跨區(qū)作業(yè)實現(xiàn)了農(nóng)業(yè)機械生產(chǎn)要素的空間流動［9］，為農(nóng)業(yè)機械化實現(xiàn)空間溢出效應(yīng)創(chuàng)造可能性。已有文獻重點從跨區(qū)作業(yè)視角探究農(nóng)業(yè)機械化對糧食生產(chǎn)［10］、農(nóng)業(yè)（糧食）生產(chǎn)效率［1112］的空間溢出效應(yīng)。但鮮有文獻從跨區(qū)作業(yè)角度研究農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)。

鑒于此，本文從跨區(qū)作業(yè)角度厘清農(nóng)業(yè)機械化對農(nóng)民增收的空間效應(yīng)及形成機制，并利用省域面板數(shù)據(jù)和空間計量模型進行實證檢驗，以期為推進農(nóng)業(yè)機械化、構(gòu)建農(nóng)民增收長效機制和實現(xiàn)農(nóng)業(yè)農(nóng)村共同富裕提供參考。

1研究設(shè)計

1.1研究假設(shè)的提出

農(nóng)機跨區(qū)作業(yè)是農(nóng)機裝備作為生產(chǎn)要素在區(qū)域間流動的重要表現(xiàn)形式，這意味著一個地區(qū)的農(nóng)機裝備會流動到周邊地區(qū)進行機械化作業(yè)，從而實現(xiàn)農(nóng)機生產(chǎn)要素的空間溢出，進而影響到周邊地區(qū)的農(nóng)民收入。從農(nóng)民的主要收入來源來看，農(nóng)業(yè)機械化通過“生產(chǎn)效率提升效應(yīng)”和“成本節(jié)約效應(yīng)”促進農(nóng)民農(nóng)業(yè)經(jīng)營性收入增加，同時也能通過“勞動要素替代效應(yīng)”為農(nóng)民非農(nóng)經(jīng)營和非農(nóng)就業(yè)創(chuàng)造有利空間，進而帶動農(nóng)民非農(nóng)經(jīng)營收入和工資性收入增加。由于農(nóng)機跨區(qū)作業(yè)的存在，農(nóng)業(yè)機械化通過跨區(qū)作業(yè)能對周邊地區(qū)實現(xiàn)“效率提升效應(yīng)”和“成本節(jié)約效應(yīng)”，進而帶動周邊地區(qū)農(nóng)民的農(nóng)業(yè)經(jīng)營收入增加；同時，農(nóng)業(yè)機械化也能對周邊地區(qū)農(nóng)民發(fā)揮“勞動要素替代效應(yīng)”，從而促進周邊地區(qū)農(nóng)民的非農(nóng)經(jīng)營收入和工資性收入增加。因此，本文提出研究假說H1、H2和H3。

H1：由于農(nóng)機跨區(qū)作業(yè)的存在，農(nóng)業(yè)機械化對農(nóng)民增收具有正向的空間溢出效應(yīng)。

H2：農(nóng)業(yè)機械化對農(nóng)民經(jīng)營性收入增加具有正向的空間溢出效應(yīng)。

H3：農(nóng)業(yè)機械化對農(nóng)民工資性收入增加具有正向的空間溢出效應(yīng)。

另外一個值得關(guān)注的現(xiàn)象是自2014年起本地農(nóng)機服務(wù)市場開始興起，而農(nóng)機跨區(qū)作業(yè)規(guī)模開始出現(xiàn)萎縮［11］。據(jù)歷年《全國農(nóng)業(yè)機械化統(tǒng)計年報》的數(shù)據(jù)顯示，農(nóng)機跨區(qū)作業(yè)面積從2008年的24090.85khm2逐年增加到2013年34295.88khm2，其中跨區(qū)機收作業(yè)面積從2006年的15214.02khm2增加到2013年26005khm2。2014年農(nóng)機跨區(qū)作業(yè)面積和跨區(qū)機收面積相比2013年均出現(xiàn)大幅度減少［12］。并且，農(nóng)機跨區(qū)作業(yè)面積從2014年29721khm2減少到2021年20603.04khm2，跨區(qū)機收作業(yè)面積也從2014年的17676khm2減少到2021年13844.57khm2。鑒于以上事實，可以看出2006—2013年農(nóng)機跨區(qū)作業(yè)規(guī)模逐步擴大，而自2014年農(nóng)機跨區(qū)作業(yè)規(guī)模開始出現(xiàn)萎縮。農(nóng)機跨區(qū)作業(yè)規(guī)模的逐步擴大可能會促進農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)逐步增強；本地農(nóng)機作業(yè)服務(wù)市場的興起、農(nóng)機跨區(qū)作業(yè)的萎縮，可能會導(dǎo)致農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)減弱，而對農(nóng)民增收的本地效應(yīng)增強。因此，本文提出研究假說H4。

H4：農(nóng)業(yè)機械化對農(nóng)民增收的影響效應(yīng)存在時間異質(zhì)性，以2014年農(nóng)機跨區(qū)作業(yè)開始萎縮為時間節(jié)點，2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)要強于2014—2021年，而2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的本地直接效應(yīng)要弱于2014—2021年。

1.2研究方法與模型構(gòu)建

1.2.1空間自相關(guān)性分析

空間自相關(guān)性分析是空間計量分析的前提條件。借鑒方師樂等［10］的方法，本文采用全局莫蘭指數(shù)和局部莫蘭指數(shù)來檢驗農(nóng)民人均收入和人均農(nóng)機動力是否存在空間自相關(guān)性，進而分析農(nóng)業(yè)機械化水平與農(nóng)民收入的空間集聚特征，為探究農(nóng)業(yè)機械化對農(nóng)民增收的空間效應(yīng)奠定基礎(chǔ)。農(nóng)業(yè)機械化水平和農(nóng)民收入的莫蘭指數(shù)的計算公式分別為式（1）和式（2）。

1.2.2空間計量模型構(gòu)建與變量選擇

已有文獻通常選用空間杜賓模型來研究農(nóng)機跨區(qū)作業(yè)相關(guān)問題［911］，因此本文借鑒已有研究選擇空間杜賓模型來實證探究農(nóng)業(yè)機械化對農(nóng)民增收的影響及空間溢出效應(yīng)，具體形式見式（4）。

在實證研究農(nóng)業(yè)機械化對農(nóng)民增收的影響及空間溢出效應(yīng)時，農(nóng)民收入是被解釋變量，農(nóng)業(yè)機械化水平是核心解釋變量，另外本文還選取農(nóng)業(yè)受災(zāi)率、農(nóng)民受教育程度、農(nóng)業(yè)經(jīng)營規(guī)模、地區(qū)產(chǎn)業(yè)結(jié)構(gòu)和財政支農(nóng)力度為控制變量。需要說明的是在計量分析過程中，本文將所有變量均對數(shù)化處理。

1） 農(nóng)民收入（Income）?？紤]到農(nóng)民人均收入的統(tǒng)計口徑在2014年前后發(fā)生變化，本文借鑒李谷成等［9］的處理方法，選用2006—2013年的農(nóng)民人均純收入和2014—2021年的農(nóng)民人均可支配收入來衡量農(nóng)民收入。此外，本文研究農(nóng)業(yè)機械化對農(nóng)民收入結(jié)構(gòu)的影響時，也選用農(nóng)民人均經(jīng)營性收入（Oincome）和農(nóng)民人均工資性收入（Wincome）為農(nóng)民收入的代理變量。

2） 農(nóng)業(yè)機械化水平（M）。已有文獻通常選用農(nóng)機作業(yè)水平和農(nóng)機裝備水平來衡量農(nóng)業(yè)機械化水平。考慮到農(nóng)機跨區(qū)作業(yè)更多表現(xiàn)為農(nóng)機裝備在區(qū)域之間的流動，因此本文選擇農(nóng)機裝備水平來衡量農(nóng)業(yè)機械化水平更為合適。已有研究通常選用省域農(nóng)機總動力來衡量裝備水平，考慮到被解釋變量為農(nóng)民人均收入，為兼顧解釋變量與被解釋變量的匹配性，本文參考朱振亞等［16］的處理方法，選用農(nóng)民人均農(nóng)機動力來衡量農(nóng)業(yè)機械化水平，農(nóng)民人均農(nóng)機動力由農(nóng)機總動力除以鄉(xiāng)村人口數(shù)計算得到。需要指出的是，由于2016年農(nóng)機總動力統(tǒng)計口徑發(fā)生變化（不再統(tǒng)計農(nóng)用運輸車），導(dǎo)致部分省份2016年及以后年份的農(nóng)機總動力值低于2015年，為盡可能保持統(tǒng)計口徑的一致性，本文將2006—2015年的農(nóng)機總動力中的農(nóng)業(yè)運輸車動力值剔除。考慮到農(nóng)民人均農(nóng)機動力會受到同期農(nóng)民收入的影響，因此本文將農(nóng)業(yè)機械化水平滯后一期處理。

3） 農(nóng)業(yè)受災(zāi)率（Dis）。本文選取農(nóng)作物受災(zāi)面積占農(nóng)作物播種面積的百分比來衡量農(nóng)業(yè)受災(zāi)率。

4） 農(nóng)民受教育程度（Edu）。采用農(nóng)民平均受教育年限來衡量農(nóng)民受教育程度，將鄉(xiāng)村6歲及以上抽樣人口數(shù)及學(xué)歷情況計算得到農(nóng)民平均受教育年限。

5） 農(nóng)業(yè)經(jīng)營規(guī)模（Scale）。選用農(nóng)民人均種植面積來衡量農(nóng)業(yè)經(jīng)營規(guī)模，其中農(nóng)民人均播種面積等于農(nóng)作物播種面積除以鄉(xiāng)村人口。

6） 地區(qū)產(chǎn)業(yè)結(jié)構(gòu)（Ind）。選用第二、三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的百分比來衡量地區(qū)產(chǎn)業(yè)結(jié)構(gòu)。

7） 財政支農(nóng)力度（Fs）。選取農(nóng)林水事務(wù)支出占財政支出的百分比來衡量財政支農(nóng)力度。

1.3數(shù)據(jù)來源與說明

各變量的說明和描述性統(tǒng)計見表1。

本文選擇的研究數(shù)據(jù)是全國31個省級行政區(qū)域2006—2021年的面板數(shù)據(jù)（港澳臺地區(qū)由于部分?jǐn)?shù)據(jù)存在缺失，暫未納入考察范圍）。地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值財政支出及農(nóng)林水事務(wù)支出數(shù)據(jù)來源于《中國統(tǒng)計年鑒》；農(nóng)民人均收入、鄉(xiāng)村人口、農(nóng)作物受災(zāi)面積、農(nóng)作物播種面積主要來源于2007—2022年《中國農(nóng)村統(tǒng)計年鑒》；農(nóng)機動力相關(guān)數(shù)據(jù)主要來源于2006—2022年的《中國農(nóng)業(yè)機械工業(yè)年鑒》鄉(xiāng)村6歲及以上抽樣人口學(xué)歷相關(guān)數(shù)據(jù)來源于2006—2022年的《中國人口和就業(yè)統(tǒng)計年鑒》。農(nóng)民收入按照居民消費價格指數(shù)折算為2006年的可比價格水平。

2實證結(jié)果分析

2.1空間自相關(guān)性分析結(jié)果

表2顯示的是空間地理距離矩陣下2006—2021年農(nóng)民收入和農(nóng)業(yè)機械化水平的全局莫蘭指數(shù)。不難看出，2006—2021年農(nóng)民收入的全局莫蘭指數(shù)均大于0.45，且均通過1%統(tǒng)計水平的顯著性檢驗；2006—2021年的農(nóng)業(yè)機械化水平的全局莫蘭指數(shù)均大于0.1，且均通過5%水平的顯著性檢驗。這表明，農(nóng)民收入和農(nóng)業(yè)機械化水平之間存在顯著的空間自相關(guān)性，選用空間計量模型來探究農(nóng)業(yè)機械化水平對農(nóng)民收入的空間影響效應(yīng)具有一定的合理性。

圖1和圖2分別顯示的是空間地理距離矩陣下2006年、2011年、2016年、2021年4個年份的農(nóng)民收入和農(nóng)業(yè)機械化水平的莫蘭散點圖。全國省域的農(nóng)民收入和農(nóng)業(yè)機械化水平的局部莫蘭指數(shù)主要分布在第一和第三象限，且均呈現(xiàn)出“高—高、低—低”的空間集聚特征。從局部莫蘭指數(shù)來看，農(nóng)民收入和農(nóng)業(yè)機械化水平均存在正向的空間自相關(guān)性，再次驗證選用空間計量模型來探究農(nóng)業(yè)機械化水平對農(nóng)民收入的空間影響效應(yīng)具有一定的合理性。

2.2農(nóng)業(yè)機械化對農(nóng)民增收的空間計量分析

為驗證農(nóng)業(yè)機械化水平對農(nóng)民增收的空間溢出效應(yīng)，本文運用Stata軟件和空間杜賓模型進行空間效應(yīng)分析。表3顯示的是空間距離權(quán)重矩陣下農(nóng)業(yè)機械化對農(nóng)民增收的空間效應(yīng)估計結(jié)果。由表3可知，根據(jù)Hausman檢驗結(jié)果顯示，卡方值為-12.01小于0，選擇空間杜賓模型的隨機效應(yīng)結(jié)果；空間自回歸系數(shù)ρ為0.890 5，且通過1%統(tǒng)計水平的顯著性檢驗。需要指出的是，空間杜賓模型的主回歸估計結(jié)果并不能反映農(nóng)業(yè)機械化對農(nóng)民增收的直接效應(yīng)和空間溢出效應(yīng)。因此，本文參考伍駿騫等［9］的處理方法，將空間杜賓模型中各變量對農(nóng)民增收的影響效應(yīng)分解為直接效應(yīng)（本地效應(yīng)）、空間（溢出）效應(yīng)和總效應(yīng)，見表3。

由表3可知，lnM對lnIcome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)系數(shù)分別為0.098 2、0.445 9和0.544 1，且均通過1%統(tǒng)計水平的顯著性檢驗，這表明農(nóng)業(yè)機械化不僅能帶動本地農(nóng)民增收，還能通過空間溢出效應(yīng)帶動鄰近省份的農(nóng)民增收。這一實證研究結(jié)論，也驗證本文研究假說H1：由于跨區(qū)作業(yè)服務(wù)的存在，農(nóng)業(yè)機械化對農(nóng)民增收具有空間溢出效應(yīng)。從控制變量的影響效應(yīng)來看，lnDis對lnIcome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)系數(shù)分別為-0.010 0、-0.055 8、-0.065 8，且通過1%統(tǒng)計水平的顯著性檢驗，這表明農(nóng)業(yè)受災(zāi)對農(nóng)民增收具有顯著負(fù)向影響。lnEdu對lnIcome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)系數(shù)分別為0.522 8、2.938 9、3.461 7，且均通過1%水平的顯著性檢驗，這表明受教育程度對農(nóng)民增收具有顯著正向影響。lnInd對lnIcome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)系數(shù)分別為0.607 5、3.426 1、4.033 6，且均通過1%水平的顯著性檢驗，這表明地區(qū)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)民增收具有顯著正向影響。

基于農(nóng)機跨區(qū)作業(yè)自2014年起由強轉(zhuǎn)弱的現(xiàn)實，本文以2014年為臨界點，將交叉項lnM×Iyear引入空間杜賓模型，進一步探究農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)在2014年前后是否存在差異，結(jié)果見表4。

由表4可知，根據(jù)Hausman檢驗結(jié)果顯示，估計結(jié)果的卡方值為75.06大于0，因此選擇空間杜賓模型的固定效應(yīng)結(jié)果；空間自回歸系數(shù)ρ為0.863 1，且通過1%統(tǒng)計水平的顯著性檢驗。lnM對lnIcome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)系數(shù)均為正，且均通過1%統(tǒng)計水平的顯著性檢驗，再次驗證農(nóng)業(yè)機械化既能促進本地農(nóng)民增收，又能通過空間溢出效應(yīng)帶動鄰近省份農(nóng)民增收。交叉項lnM×Iyear對lnIcome的直接效應(yīng)估計系數(shù)為0.038 2，且通過1%統(tǒng)計水平的顯著性檢驗，這表明2014—2020年時間段內(nèi)農(nóng)業(yè)機械化對農(nóng)民增收的本地效應(yīng)顯著強于2006—2013年時間段；交叉項lnM×Iyear對lnIcome的空間效應(yīng)估計系數(shù)為-0.017 7，且通過10%統(tǒng)計水平的顯著性檢驗，這表明2014—2020年時間段內(nèi)農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)顯著弱于2006—2013年時間段；交叉項lnM×Iyear對lnIcome的總效應(yīng)估計系數(shù)為0.020 5，且通過1%統(tǒng)計水平的顯著性檢驗，這表明2014—2020年時間段內(nèi)農(nóng)業(yè)機械化對農(nóng)民增收的總效應(yīng)顯著強于2006—2013年時間段。對以上實證結(jié)論合理的解釋是，自2014年以來由于本地農(nóng)機服務(wù)市場的興起，農(nóng)機跨區(qū)作業(yè)服務(wù)開始出現(xiàn)萎縮，從而導(dǎo)致2014年后的農(nóng)業(yè)機械化促進農(nóng)民增收的本地效應(yīng)強于2014年前，而2014年后農(nóng)業(yè)機械化促進農(nóng)民增收的空間溢出效應(yīng)開始減弱，但總體上農(nóng)業(yè)機械化促進農(nóng)民增收的作用在增強，這也驗證了研究假說H4。

2.3農(nóng)業(yè)機械化對農(nóng)民收入結(jié)構(gòu)的空間計量分析

為進一步探究農(nóng)業(yè)機械化對農(nóng)民收入結(jié)構(gòu)的影響，運用空間杜賓模型重點考察農(nóng)業(yè)機械化對農(nóng)民經(jīng)營性收入和工資性收入的空間效應(yīng)，估計結(jié)果見表5。

由表5可知，兩個估計結(jié)果的空間自回歸系數(shù)ρ分別為0.333 1和0.648 2，且均通過1%統(tǒng)計水平的顯著性檢驗。根據(jù)Hausman檢驗結(jié)果顯示，兩個估計結(jié)果的卡方值分別為-10.22和-35.84，因此均選擇空間杜賓模型的隨機效應(yīng)結(jié)果。

lnM對lnOincome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)的估計系數(shù)分別為0.287 6、0.412 3和0.699 9，且均通過1%統(tǒng)計水平的顯著性檢驗，這表明農(nóng)業(yè)機械化不僅能顯著帶動本地農(nóng)民經(jīng)營性收入增加，還能通過空間溢出效應(yīng)帶動鄰近省份的農(nóng)民經(jīng)營性收入增加，這也驗證了本文的研究假說H2。lnM對lnWincome的直接效應(yīng)、空間溢出效應(yīng)和總效應(yīng)的估計系數(shù)分別為0.107 9、0.684 3和0.792 2，且分別通過10%、1%和1%統(tǒng)計水平的顯著性檢驗，這表明農(nóng)業(yè)機械化不僅能顯著帶動本地農(nóng)民工資性收入增加，還能通過空間溢出效應(yīng)帶動鄰近省份的農(nóng)民工資性收入增加，這也驗證了本文的研究假說H3。從控制變量的影響效應(yīng)來看，lnDis對lnOincome的直接效應(yīng)、空間效應(yīng)和總效應(yīng)的估計系數(shù)分別為-0.020 3、-0.009 7和-0.030 0，且分別通過1%、5%和1%統(tǒng)計水平的顯著性檢驗，這表明農(nóng)業(yè)受災(zāi)對農(nóng)民經(jīng)營性收入具有顯著負(fù)向影響；而lnDis對lnWincome的影響效應(yīng)的估計系數(shù)均未通過顯著性檢驗，這表明農(nóng)業(yè)受災(zāi)對農(nóng)民工資性收入沒有顯著影響，結(jié)合前文中農(nóng)業(yè)受災(zāi)面積比重對農(nóng)民收入具有顯著負(fù)向影響，可以認(rèn)為農(nóng)業(yè)受災(zāi)直接導(dǎo)致農(nóng)民經(jīng)營收入減少，進而對農(nóng)民收入具有負(fù)向影響。lnEdu對lnOincome的影響系數(shù)均未通過顯著性檢驗，但其對lnWincome的影響估計系數(shù)均為正值且均通過1%統(tǒng)計水平的顯著性檢驗，這表明受教育程度對農(nóng)民經(jīng)營性收入的影響不顯著，但對農(nóng)民工資性收入具有顯著正向影響；結(jié)合前文中受教育程度對農(nóng)民增收具有顯著正向影響，可以認(rèn)為受教育程度的提高有助于農(nóng)民在勞務(wù)市場上獲取更高的工資性收入，從而促進農(nóng)民增收。lnFs對lnWincome的影響估計系數(shù)未通過顯著性檢驗，但對lnOincome的影響系數(shù)分別通過1%、5%和1%統(tǒng)計水平的顯著性檢驗，這表明財政支農(nóng)對農(nóng)民經(jīng)營性收入具有顯著正向影響，但對農(nóng)民工資性收入沒有顯著正向影響。

3結(jié)論與政策建議

本文基于農(nóng)機跨區(qū)作業(yè)視角，利用2006—2021年全國31個省域面板數(shù)據(jù)和空間杜賓模型實證探究了農(nóng)業(yè)機械化對農(nóng)民增收的空間影響效應(yīng)。

1） 我國農(nóng)民人均收入和人均農(nóng)機動力均呈現(xiàn)出“高—高、低—低”的空間集聚分布特征，且均存在顯著的正向自相關(guān)性。

2） 農(nóng)業(yè)機械化對農(nóng)民增收具有顯著的本地效應(yīng)，同時由于農(nóng)機跨區(qū)作業(yè)的存在，農(nóng)業(yè)機械化還能通過空間溢出效應(yīng)帶動鄰近省份的農(nóng)民增收。

3） 從農(nóng)民收入來源結(jié)構(gòu)看，農(nóng)業(yè)機械化對農(nóng)民經(jīng)營性收入和工資性收入增長均具有顯著正向空間溢出效應(yīng)。

4） 農(nóng)業(yè)機械化對農(nóng)民增收的本地直接效應(yīng)和空間溢出效應(yīng)存在時間異質(zhì)性，以2014年農(nóng)機跨區(qū)作業(yè)開始萎縮為時間節(jié)點，2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)要強于2014—2021年，而2006—2013年農(nóng)業(yè)機械化對農(nóng)民增收的本地直接效應(yīng)要弱于2014—2021年。

根據(jù)上述研究結(jié)論，本文形成以下政策啟示：（1）充分認(rèn)識農(nóng)業(yè)機械化的農(nóng)民增收效應(yīng)，通過服務(wù)外包、土地托管等形式加快推動農(nóng)業(yè)生產(chǎn)全程機械化，讓農(nóng)民充分享受農(nóng)業(yè)機械化釋放的增收紅利。（2）穩(wěn)步提升農(nóng)機裝備水平，完善農(nóng)機購置補貼政策，推動農(nóng)機裝備轉(zhuǎn)型升級與結(jié)構(gòu)優(yōu)化。（3）完善農(nóng)機本地作業(yè)與跨區(qū)作業(yè)的協(xié)同機制，合理引導(dǎo)農(nóng)機服務(wù)組織進行跨區(qū)作業(yè)，促進農(nóng)機跨區(qū)作業(yè)與本地農(nóng)機作業(yè)的有機銜接，推動農(nóng)機作業(yè)裝備的有效配置，充分發(fā)揮農(nóng)業(yè)機械化對農(nóng)民增收的空間溢出效應(yīng)。

參考文獻

［1］呂雍琪， 張宗毅， 張萌. 農(nóng)業(yè)機械化對中國種植業(yè)貢獻率研究［J］. 農(nóng)業(yè)現(xiàn)代化研究， 2021， 42（4）： 675-683.Lü Yongqi， Zhang Zongyi， Zhang Meng. The contribution rate of agricultural mechanization to China's crop industry ［J］. Research of Agricultural Modernization， 2021， 42（4）： 675-683.

［2］彭超， 張琛. 農(nóng)業(yè)機械化對農(nóng)戶糧食生產(chǎn)效率的影響［J］. 華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2020， 19（5）： 93-102.Peng Chao， Zhang Chen. Assessment of agricultural mechanization on farmers' grain aggregated production efficiency ［J］. Journal of South China Agricultural University （Social Science Edition）， 2020， 19（5）：93-102.

［3］周振， 張琛， 彭超， 等. 農(nóng)業(yè)機械化與農(nóng)民收入： 來自農(nóng)機具購置補貼政策的證據(jù)［J］. 中國農(nóng)村經(jīng)濟， 2016（2）： 68-82.

［4］肖體瓊， 何春霞， 陳巧敏， 等. 基于機械化生產(chǎn)視角的中國蔬菜成本收益分析［J］. 農(nóng)業(yè)機械學(xué)報， 2015， 46（5）： 75-82.Xiao Tiqiong， He Chunxia， Chen Qiaomin， et al. Cost-benefit analysis of vegetable production based on agricultural mechanized production ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（5）： 75-82.

［5］劉洋， 顏華. 縣域金融集聚、農(nóng)業(yè)機械化與農(nóng)民收入增長——基于河南省縣域面板數(shù)據(jù)的經(jīng)驗分析［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2021（12）： 60-75.Liu Yang， Yan Hua. County financial agglomeration，agricultural mechanization and the growth of farmers?income： Empirical evidence based on the 105 counties in Henan Province ［J］. Journal of Agro technical Economics， 2021（12）： 60-75.

［6］周益波， 何可， 張俊飚， 等. 農(nóng)業(yè)機械化對農(nóng)民收入的增長、結(jié)構(gòu)與分配效應(yīng)研究［J］. 四川農(nóng)業(yè)大學(xué)學(xué)報， 2019， 37（5）： 723-733.Zhou Yibo， He Ke， Zhang Junbiao， et al. Growth， structural and distribution effects of agricultural mechanization on farmers' income ［J］. Journal of Sichuan Agricultural University， 2019， 37（5）： 723-733.

［7］李谷成， 李燁陽， 周曉時. 農(nóng)業(yè)機械化、勞動力轉(zhuǎn)移與農(nóng)民收入增長——孰因孰果？［J］. 中國農(nóng)村經(jīng)濟， 2018（11）： 112-127.Li Gucheng， Li Yeyang， Zhou Xiaoshi. Agricultural mechanization， labor transfer and the growth of farmer's income： A re-examination of causality？ ［J］. Chinese Rural Economy， 2018（11）： 112-127.

［8］陳林生， 黃莎， 李賢彬. 農(nóng)業(yè)機械化對農(nóng)民收入的影響研究——基于系統(tǒng)GMM模型與中介效應(yīng)模型的實證分析［J］. 農(nóng)村經(jīng)濟， 2021（6）： 41-49.

［9］伍駿騫， 方師樂， 李谷成， 等. 中國農(nóng)業(yè)機械化發(fā)展水平對糧食產(chǎn)量的空間溢出效應(yīng)分析——基于跨區(qū)作業(yè)的視角［J］. 中國農(nóng)村經(jīng)濟， 2017（6）： 44-57.Wu Junqian， Fang Shile， Li Gucheng， et al. The spillover effect of agricultural mechanization on grain output in China： From the perspective of cross-regional mechanization service ［J］. Chinese Rural Economy， 2017（6）： 44-57.

［10］方師樂， 衛(wèi)龍寶， 伍駿騫. 農(nóng)業(yè)機械化的空間溢出效應(yīng)及其分布規(guī)律——農(nóng)機跨區(qū)服務(wù)的視角［J］. 管理世界， 2017（11）： 65-78， 187-188.Fang Shile， Wei Longbao， Wu Junqian. The spatial spillover effect of agricultural mechanization and its distribution pattern： The perspective of interregional-service of agricultural machinery ［J］. Journal of Management World， 2017（11）： 65-78， 187-188.

［11］吳海霞， 郝含濤， 史恒通， 等. 農(nóng)業(yè)機械化對小麥全要素生產(chǎn)率的影響及其空間溢出效應(yīng)［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2022（8）： 50-68.Wu Haixia， Hao Hantao， Shi Hengtong， et al. Effect of agricultural mechanization on total factor productivity of wheat and its spatial spillover effect ［J］. Journal of Agrotechnical Economics， 2022（8）： 50-68.

［12］董潔芳. 我國農(nóng)機跨區(qū)作業(yè)的效益與趨勢分析［J］. 中國農(nóng)機化學(xué)報， 2015， 36（5）： 303-307.Dong Jiefang. Benefit and trend analysis of trans regional operation of agricultural machinery in China ［J］. Journal of Chinese Agricultural Mechanization， 2015， 36（5）： 303-307.

［13］劉瓊， 肖海峰. 農(nóng)村交通基礎(chǔ)設(shè)施、農(nóng)機跨區(qū)作業(yè)與農(nóng)業(yè)生產(chǎn)效率——來自糧食主產(chǎn)區(qū)的經(jīng)驗分析［J］. 商業(yè)研究， 2021（6）： 114-122.Liu Qiong， Xiao Haifeng. Rural transportation infrastructure， agricultural machinery cross region operation and agricultural production efficiency：Experience analysis from main grain producing areas ［J］. Commercial Research， 2021（6）： 114-122.